提取方括號之間的文本

1. 概述

當我們進行文本處理時，從模式中提取特定內容是很常見的。有時，在處理使用方括號封裝有意義信息的數據時，提取方括號內的文本可能對我們來說是一個挑戰。

在本教程中，我們將探索提取方括號之間內容的技術和方法。

2.問題介紹

首先，為了簡單起見，讓我們為問題提出兩個先決條件：

沒有嵌套的方括號對- 例如，像“..[value1 [value2]]..”模式不會作為我們的輸入。
方括號總是配對的——例如，“ .. [value1 … ”是無效輸入。

當討論方括號內的輸入數據時，我們遇到兩種可能的情況：

使用一對方括號輸入，如“..[value]..”中所示
使用多對方括號輸入，如“..[value1]..[value2]..[value3]…”所示

展望未來，我們的重點將首先解決單對場景，然後我們將繼續針對涉及多對的情況調整解決方案。在本教程中，我們將用來解決這些挑戰的主要技術是 Java 正則表達式 (regex)。

3. 使用一對方括號輸入

假設我們有一個文本輸入：

String INPUT1 = "some text [THE IMPORTANT MESSAGE] something else";

正如我們所看到的，輸入僅包含一對方括號，我們的目標是獲取中間的文本：

String EXPECTED1 = "THE IMPORTANT MESSAGE";

接下來，讓我們看看如何實現這一目標。

3.1. `[.*]`想法

解決此問題的直接方法是提取“ [ ”和“ ] ”字符之間的內容。因此，我們可能會想出正則表達式模式“[.*]” 。

但是，我們不能直接在代碼中使用此模式，因為正則表達式使用“ [ ”和“ ] ”作為字符類定義。例如， “[0-9]”類匹配任何數字字符。我們必須對它們進行轉義以匹配文字“ [ ”或“ ] ” 。

此外，我們的任務是提取而不是匹配。因此，我們可以將目標匹配放在捕獲組中，以便以後更容易引用和提取：

String result = null;
 String rePattern = "\\[(.*)]";
 Pattern p = Pattern.compile(rePattern);
 Matcher m = p.matcher(INPUT1);
 if (m.find()) {
 result = m.group(1);
 }
 assertThat(result).isEqualTo(EXPECTED1);

敏銳的眼睛可能會注意到，我們在上面的代碼中只是逃過了打開“ [ ”。這是因為，對於方括號和大括號，如果右方括號或大括號前面沒有相應的開始字符，則正則表達式引擎會按字面解釋它。在我們的示例中，我們轉義了“ \\[ ”，因此“ ] ”前面沒有任何開頭“ [ ”。因此，“ ] ”將被視為文字“ ] ”字符。

3.2.使用 NOR 字符類

我們通過提取“ [ ”和“ ] ”之間的“所有內容”解決了這個問題。在這裡， “所有內容”都由不是']'的字符組成.

正則表達式支持 NOR 類。例如， “[^0-9]”匹配任何非數字字符。因此，我們可以通過使用正則表達式 NOR 類來優雅地解決這個問題，從而產生模式“ \\[([^]]*) ”：

String result = null;
 String rePattern = "\\[([^]]*)";
 Pattern p = Pattern.compile(rePattern);
 Matcher m = p.matcher(INPUT1);
 if (m.find()) {
 result = m.group(1);
 }
 assertThat(result).isEqualTo(EXPECTED1);

3.3.使用`split()`方法

Java 提供了強大的String.split()方法來將輸入字符串分成幾部分。 split()支持正則表達式模式作為分隔符。接下來，讓我們看看我們的問題是否可以通過split()方法來解決。

考慮“prefix[value]suffix”.如果我們指定 ' [ ' 或 ' ] ' 作為分隔符， split()將生成一個數組： {“prefix”, “value”, “suffix”} 。下一步相對簡單。我們可以簡單地從數組中取出中間元素作為結果：

String[] strArray = INPUT1.split("[\\[\\]]");
 String result = strArray.length == 3 ? strArray[1] : null;
 assertThat(result).isEqualTo(EXPECTED1);

在上面的代碼中，我們確保在從數組中取出第二個元素之前，分割結果應始終具有三個元素。

當我們運行測試時，測試就通過了。但是，如果輸入以 ' ] ' 結尾，則此解決方案可能會失敗：

String[] strArray = "[THE IMPORTANT MESSAGE]".split("[\\[\\]]");
 assertThat(strArray).hasSize(2)
 .containsExactly("", "THE IMPORTANT MESSAGE");

正如上面的測試所示，這次我們的輸入沒有“ prefix ”和“ suffix ”。默認情況下， split()會丟棄尾隨的空字符串。為了解決這個問題，我們可以向split()傳遞一個負數limit ,告訴split()保留空字符串元素：

strArray = "[THE IMPORTANT MESSAGE]".split("[\\[\\]]", -1);
 assertThat(strArray).hasSize(3)
 .containsExactly("", "THE IMPORTANT MESSAGE", "");

因此，我們可以改變我們的解決方案來覆蓋極端情況：

String[] strArray = INPUT1.split("[\\[\\]]", -1);
 String result = strArray.length == 3 ? strArray[1] : null;
 ...

4. 多個方括號對的輸入

在解決了單個“[..]”對案例之後，擴展解決方案以處理多個“[..]”案例對我們來說不會是一個挑戰。讓我們看一個新的輸入示例：

final String INPUT2 = "[La La Land], [The last Emperor], and [Life of Pi] are all great movies.";

接下來，讓我們從中提取三個電影標題：

final List<String> EXPECTED2 = Lists.newArrayList("La La Land", "The last Emperor", "Life of Pi");

4.1. `[(.*)]`想法 – 非貪婪版本

模式“\\[(.*)]”有效地促進了從單個“[..]”對中提取所需內容。但這對於具有多個“[..]”對的輸入不起作用。這是因為正則表達式默認進行貪婪匹配。換句話說，如果我們將INPUT2與“\\[(.*)]”匹配，捕獲組將保留第一個“ [ ”和最後一個“ ] ”之間的文本：“ La La Land], [The last Emperor], [Life of Pi 》。

但是，我們可以添加一個 ' ? ' 在 '*' 之後確保正則表達式進行非貪婪匹配。此外，由於我們將提取多個目標值，因此我們將if (m.find())更改為while循環：

List<String> result = new ArrayList<>();
 String rePattern = "\\[(.*?)]";
 Pattern p = Pattern.compile(rePattern);
 Matcher m = p.matcher(INPUT2);
 while (m.find()) {
 result.add(m.group(1));
 }
 assertThat(result).isEqualTo(EXPECTED2);

4.2.使用字符類

NOR 字符類解決方案也適用於具有多個“[..]”對的輸入。我們只需要將if語句改為while循環即可：

List<String> result = new ArrayList<>();
 String rePattern = "\\[([^]]*)";
 Pattern p = Pattern.compile(rePattern);
 Matcher m = p.matcher(INPUT2);
 while (m.find()) {
 result.add(m.group(1));
 }
 assertThat(result).isEqualTo(EXPECTED2);

4.3.使用`split()`方法

對於具有多個“ [..] ”的輸入，如果我們通過相同的正則表達式split() ，結果數組應該具有三個以上的元素。所以，我們不能簡單地取中間(index=1)的一個：

Input: "---[value1]---[value2]---[value3]---"
 Array: "---", "value1", "---", "value2", "---", "value3", "---"
 Index: [0] [1] [2] [3] [4] [5] [6]

但是，如果我們查看索引，我們會發現所有具有奇數索引的元素都是我們的目標值。因此，我們可以編寫一個循環來從split()的結果中獲取所需的元素：

List<String> result = new ArrayList<>();
 String[] strArray = INPUT2.split("[\\[\\]]" -1);
 for (int i = 1; i < strArray.length; i += 2) {
 result.add(strArray[i]);
 }
 assertThat(result).isEqualTo(EXPECTED2);

5. 結論

在本文中，我們學習瞭如何在 Java 中提取方括號之間的文本。我們學習了不同的正則表達式相關方法來應對挑戰，有效地解決了兩個問題場景。

與往常一樣，示例的完整源代碼可在 GitHub 上獲取。

本作品係原創或者翻譯，採用《署名-非商業性使用-禁止演繹4.0國際》許可協議